具有宏覆盖保证的共形预测

一篇题为《Conformal Prediction with Macro-Coverage Guarantees》的学术论文于2026年6月26日提交至arXiv预印本平台。该论文由Aabesh Bhattacharyya等三位作者共同完成，提出了一种新的共形预测方法，旨在提供宏观层面的覆盖保证，即保证在不同子群体或类别上的覆盖率，而不仅仅是整体平均覆盖。这一创新有望提升共形预测在公平性和可靠性方面的表现，适用于需要分组保真度的关键应用场景。论文目前以PDF格式开放，可供研究人员下载与引用。 #共形预测 #机器学习 #统计推断 #AI #学术论文 #arXiv

LLM给出的解释与其真实信念不一致

一项将在ICML 2026上发表的研究指出，大语言模型（LLM）给出的解释并不总能反映其内部真实信念。论文作者提出了一种基于模型自身输入信念来评估解释充分性的新方法，通过对模型内在推理过程与输出解释的比对，发现两者存在显著偏差。该研究挑战了当前LLM可解释性研究的假设，强调仅依赖模型生成的解释可能误导理解。这一发现对AI安全与可靠性具有重要启示。 #机器学习 #ICML2026 #大模型 #可解释性 #AI安全 #LLM

基于Mamba架构的纵向数据表示提升患者亚型分类

根据arXiv预印本平台的一篇最新论文，研究者提出利用基于Mamba架构的表示学习方法，对患者纵向数据进行亚型分类。传统方法在处理时间序列医学数据时常受限于长程依赖捕捉能力，而Mamba作为一种新型状态空间模型，能有效建模序列中的长期依赖关系。该研究通过将Mamba提取的表示用于下游亚型分类任务，在真实医疗数据集上取得了优于现有方法的性能，为精准医疗中的动态疾病分型提供了新思路。论文发表于2026年6月，目前可在arXiv上获取全文。 #Mamba架构 #患者亚型 #纵向数据 #精准医疗 #AI医疗 #状态空间模型 #arXiv

更多采样反而有害

一项最新研究揭示了测试时扩展（Test-Time Scaling）中的反直觉现象：增加采样数量反而可能损害模型性能。来自arXiv的论文《When More Sampling Hurts: The Modal Ceiling and Correlation Ceiling of Test-Time Scaling》指出，在推理阶段增加采样次数并非总是有效，存在“模态上限”和“相关上限”两个瓶颈。模态上限指模型输出分布中主导模态的局限，相关上限则源于采样结果之间的高度相关性。该发现对当前大模型通过增加推理计算量提升性能的策略提出了重要警示，提示研究者需更精细地设计采样策略，而非盲目增加采样次数。 #论文 #AI #机器学习 #测试时扩展 #大模型 #推理 #采样 #性能瓶颈

arXiv论文提出随机非一致性度量下的完全共形预测

一篇来自作者Thanawat Sornwanee的学术论文《Full Conformal Prediction under Stochastic Non-Conformity Measure》近日在arXiv平台提交。该论文聚焦于共形预测这一无需分布假设的统计推断方法，特别探讨了当非一致性度量具有随机性时的理论框架与性质。研究可能为机器学习中的预测区间构建提供更鲁棒的数学基础，扩展了共形预测在不确定性量化中的应用边界。论文于2026年6月27日提交，目前可通过arXiv获取全文。 #arXiv #论文 #共形预测 #机器学习 #统计推断 #随机度量 #预测区间 #科技 #算法

“双精灵游戏”

一篇题为《The Two Genie Game: Adoption and Welfare in Audit-Grounded AI Governance》的学术论文于2026年6月27日提交至arXiv预印本平台，作者为Darrell Lewis-Sandy。该研究提出一个以“双精灵游戏”命名的博弈论模型，用于分析在审计基础下的AI治理框架中，企业采纳AI系统与社会整体福利之间的权衡。通过将监管机构与AI开发者之间的互动建模为博弈，论文探讨了审计机制如何影响AI技术的采纳决策，以及不同监管策略对福利分配的作用。研究旨在为设计更有效的AI治理方案提供理论依据，平衡技术创新与风险管控。该工作目前可在arXiv上以PDF形式获取。 #AI治理 #博弈论 #审计 #AI伦理 #学术论文 #arXiv

基于流动性的算法交易策略审计方法

这篇论文由Irene Aldridge撰写，提出了一种基于流动性指标的算法交易策略审计框架。文章指出，传统审计方法往往忽视市场流动性对交易策略的影响，而流动性风险是导致算法交易失败的重要原因。作者通过构建流动性敏感的评价指标，对策略在不同市场环境下的表现进行压力测试，并设计了一套审计流程，帮助监管机构和交易机构识别策略中的潜在缺陷。该研究为算法交易的风险管理提供了新的视角，尤其适用于高频交易和市场微观结构分析。 #算法交易 #流动性 #审计 #金融科技 #风险管理

研究人员提出BV-Blend方法，提升无评论家强化学习的稳定性

一篇提交至arXiv的论文提出了一种名为BV-Blend的新型强化学习算法。该方法通过不确定性加权历史基线，结合可验证奖励，旨在解决无评论家强化学习框架中的训练不稳定问题。传统强化学习依赖价值函数（评论家）来指导策略更新，而BV-Blend摒弃了评论家网络，利用历史基线并引入不确定性权重，使模型在可验证奖励信号下实现更稳定的学习。该工作由Yupeng Chang等人完成，于2026年6月提交。这一方法有望降低强化学习对复杂价值网络的依赖，提升在机器人控制、游戏AI等场景中的训练效率与鲁棒性，为无监督强化学习领域提供了新思路。 #强化学习 #AI #论文 #arXiv #BVBlend #无评论家RL #可验证奖励 #稳定性 #机器学习 #算法创新

学习主要分层下的异质性治疗效应

一项新的预印本研究在arXiv平台发布，题为《Learning heterogeneous treatment effects under principal stratification》（在主要分层下学习异质性治疗效应），由Jiaqi Tong与Fan Li共同完成。该论文聚焦于因果推断中的关键挑战：在存在潜在结果分层（即主要分层）的框架下，如何有效估计不同子群体间的治疗效应差异。传统的平均处理效应往往掩盖了个体间的异质性，而主要分层方法允许研究者根据潜在结果类型对个体进行分组，从而更精细地评估干预效果。该研究提出的方法有助于在受试者存在不可观测的受控行为（如依从性、存活状态）时，准确识别并量化异质性处理效应。这项工作对于个性化医疗、政策评估等需要识别不同响应模式的领域具有潜在价值，提供了从观测数据中挖掘分层效应差的新工具。 #arXiv #因果推断 #异质性治疗效应 #主要分层 #统计学习

COMPASS 论文提出统一多模态模型中的组合意图引导方法

由 Ziqi Zhou 等 8 位作者提交的学术论文《COMPASS: Grounding Composition-Intent Guidance in Unified Multimodal Models》在 arXiv 平台发布。该论文聚焦于多模态大模型领域，提出了一种名为 COMPASS 的新框架，旨在将组合意图（composition-intent）引导技术嵌入统一的视觉-语言模型中，以提升模型在复杂指令理解与多模态交互任务中的表现。目前论文已提供 PDF 和 HTML 版本供预览，相关代码与数据集链接也已公开。该工作对多模态 AI 的指令跟随能力、组合推理等方向具有潜在推动作用。 #COMPASS #多模态模型 #组合意图 #AI论文 #arXiv #视觉语言模型 #指令跟随 #机器学习

SPCA R包发布

来自Giovanni Maria Merola的研究人员近日在arXiv上发布了名为"spca"的R语言软件包，该包专注于计算最小二乘稀疏主成分。主成分分析（PCA）是经典的数据降维方法，但传统PCA得到的主成分通常包含所有原始变量的载荷，不利于解释。spca包通过引入稀疏性约束，使得主成分仅由少数关键变量构成，从而提升模型可解释性，尤其适用于高维数据分析场景。该包提供了完整的最小二乘求解算法，支持用户自定义稀疏度参数，并可与R标准数据分析流程无缝集成。论文同时提供了源代码和文档，方便相关领域研究者直接调用与改进。这一工具有望推动稀疏PCA在生物信息学、金融统计、图像处理等领域的应用。 #R语言 #spca #稀疏主成分 #统计学习 #数据降维 #arXiv #开源软件 #计算统计

AI智能体在生物医学工具宇宙中实现治疗推理

研究人员开发了一种基于AI智能体的治疗推理系统，能够在广泛的生物医学工具集合中进行智能决策。该系统由Shanghua Gao等15位作者共同提出，相关论文于2026年6月提交至arXiv预印本平台。该智能体能够理解并调用多种生物医学分析工具，针对特定病例进行推理和治疗方案推荐，有望提升临床决策的准确性和效率。 #AI #智能体 #生物医学 #治疗推理 #arXiv #论文 #医疗AI #人工智能

少步玻尔兹曼生成器

近期，研究人员提出了一种名为“少步玻尔兹曼生成器”的新型生成模型，旨在通过可缩放的似然流映射实现高效采样。该工作由RuiKang OuYang等学者完成，并已提交至arXiv预印本平台。传统玻尔兹曼生成器在复杂分布采样中面临计算成本高、步数多等问题，而本研究通过引入似然流映射，显著减少了生成所需的步骤，同时保持了模型的扩展性和准确性。该方法有望在统计物理、分子模拟以及机器学习等领域发挥作用，为快速生成高维分布样本提供新途径。论文目前正在等待DataCite的DOI注册，相关代码与数据资源已开放，便于同行验证与进一步开发。 #玻尔兹曼生成器 #似然流映射 #arXiv #生成模型 #机器学习 #统计物理 #少步采样

通过伦理困境剖析大语言模型的亚里士多德美德

一项最新研究提出，可通过伦理困境对大语言模型（LLM）进行亚里士多德美德剖析。来自希腊的研究团队设计了一系列道德两难场景，测试GPT-4、Claude等主流模型在诚实、勇气、正义、节制等美德维度上的表现。结果显示，不同模型在美德倾向性上存在显著差异，部分模型更偏向功利主义决策，而另一些则表现出更强的义务论倾向。该研究为评估AI伦理行为提供了新框架，有助于理解模型在复杂道德情境中的内在价值取向，对AI安全与对齐研究具有参考意义。 #AI伦理 #大语言模型 #亚里士多德美德 #伦理困境 #人工智能 #道德决策 #AI安全

动态表示编辑框架

据arXiv预印本论文，Tianlong Wang等研究人员提出了“Search for Truth from Reasoning”（从推理中寻找真相）框架，这是一种用于引导大语言模型推理轨迹的动态表示编辑方法。该框架通过实时修改LLM隐藏层的内部表示，在不进行额外训练的情况下，主动调整模型推理路径，使其输出更贴近事实或符合特定方向。实验表明，这一方法在多项推理任务中有效提升了准确性与可控性，为理解与干预LLM内部推理机制提供了新思路。 #AI #大模型 #LLM #表示编辑 #推理 #动态框架 #arXiv #论文

IMCBench: 多模态大语言模型在图像医疗对话中的新基准

一篇来自Maria Xenochristou等12位研究者的论文提出了一种名为IMCBench的新型基准，专门用于评估多模态大语言模型在图像引导的医疗对话中的表现。该基准填补了当前缺乏标准化评估框架的空白，能够系统测试模型对医学图像的理解、诊断推理以及对话交互能力。研究团队通过构建涵盖多种医学场景的对话数据集，为衡量模型在真实临床环境下的准确性、实用性和安全性提供了重要参考。这一基准的发布有望推动医疗AI领域更规范地发展，促进多模态模型在辅助诊断、患者沟通等方面的落地应用。 #IMCBench #多模态 #医疗AI #大语言模型 #基准测试 #医学图像 #AI评估

GPTNT基准测试：多模态智能体在实时协作任务中的表现评估

arXiv近期发表了一篇题为《GPTNT: Benchmarking Real-Time Collaboration Between Multimodal Agents on Keep Talking And Nobody Explodes》的论文。该研究以合作拆弹游戏《Keep Talking and Nobody Explodes》为场景，提出了一种新的基准测试框架GPTNT，用于评估多模态智能体在实时协作中的表现。论文打破了传统语言模型仅关注单模态任务的局限，通过模拟两名智能体分别扮演“拆弹员”和“专家”的角色，检验它们在视觉、语言和行动协同方面的能力。实验结果显示，当前主流的多模态大模型在面对复杂且时间敏感的协作任务时仍有显著不足，该基准为未来开发更高效的人机协作智能体提供了量化评估标准。 #AI #多模态 #智能体 #基准测试 #协作 #arXiv #GPTNT #研究

数据与评估闭环增强模型能力

论文《Data and Evaluation Closed-Loop for Model Capability Enhancement》由Zhixuan Li等人提交至arXiv。该研究提出一种通过数据与评估闭环机制来提升模型能力的方法。传统模型训练往往依赖静态数据集，而本文强调通过持续生成高质量数据并动态评估模型表现，形成迭代反馈循环，从而系统性地增强模型在复杂任务上的推理与泛化能力。该工作为模型能力的持续进化提供了新思路，有望应用于大语言模型、多模态模型等领域。 #AI #机器学习 #数据闭环 #模型评估 #arXiv #论文 #深度学习

递归自进化智能体

一篇题为《Recursive Self-Evolving Agents via Held-Out Selection》的研究论文近日在arXiv预印本平台发布，作者为Michael Nguyen等三人。该论文提出了一种新颖的智能体自我进化框架：通过保留集（held-out set）的迭代选择机制，使智能体能够在无外部监督条件下持续优化自身性能。核心思路是让智能体在每次自我更新时，利用一个独立于训练数据的保留集来评估改进效果，从而避免过拟合和性能退化。该方法有望推动自主学习和持续适应型AI系统的发展，特别适用于长期运行、环境动态变化的场景。论文目前已提供PDF及HTML版本供学术社区查阅。 #arXiv #AI #自进化智能体 #机器学习 #论文 #递归学习 #保留集

非平稳对抗MDP新方法

一篇题为《Priced Motion Through Optimal Faces: A Normal-Fan Geometry for Non-Stationary Adversarial MDPs》的学术论文在arXiv预印本平台发布。该研究由学者Kai Hidajat独立完成，提出了一种针对非平稳对抗性马尔可夫决策过程（MDP）的新几何框架。传统方法在处理环境动态变化和对手干扰时存在局限，而该工作通过引入“最优面”（Optimal Faces）和“法扇形”（Normal-Fan）几何概念，构建了一种可解释的定价运动模型。论文利用法扇形结构刻画策略价值面的局部曲率，进而推导出对抗条件下长期收益的紧界。这一成果有望在机器人导航、资源调度等需要实时抗扰动决策的领域发挥作用。 #机器学习 #强化学习 #MDP #对抗性环境 #几何方法 #arXiv #KaiHidajat #定价运动

统计不可区分，操作却不同

一篇来自arXiv的论文指出，当前表格基础模型存在一个根本性形式化障碍：尽管在统计分布上无法区分，但在实际操作中却表现出显著差异。作者Tassilo Klein和Johannes Hoffart通过理论分析证明，现有模型在数据生成层面看似一致，但在下游任务（如分类、回归）中会产生截然不同的结果。这一发现揭示了表格基础模型评估中的盲区——仅依赖统计指标无法捕捉模型的操作行为差异，可能导致对模型能力的误判。研究为表格基础模型的鲁棒性和可靠性提出了新的挑战，并呼吁开发更细致的评估框架。 #表格基础模型 #形式化障碍 #统计不可区分 #操作差异 #AI安全 #机器学习 #论文 #arXiv